文件名称：GAN:GAN实验的实施
文件大小：194.02MB
文件格式：ZIP
更新时间：2024-05-18 13:59:44
machine-learning computer-vision deep-learning generative-adversarial-network gans
甘 我正在尝试使用各种已知的GAN架构，并在这里尝试新的想法 已经尝试过什么 协同GAN一起训练多个生成器，并复制性能最佳的生成器权重以进行下一次迭代 自动编码器 MNIST上的基本自动编码器 VAE MNIST上的变体自动编码器 从同一输出层提取均值和方差效果最佳 有用的教程-https: 甘香草 简单的全连接生成对抗网络 在Vanilla GAN上合作运行GAN 同时训练多个生成器，并选择性能更好的一个生成器，并复制其他生成器以进行下一次迭代。 想法是在一段时间内进行合作改进 最佳表现生成器可以具有最小/最大损失，也可以随机选择 获胜者采取一切策略 结果 最小损失： 最大损失： 随机选择： 具有最小损失，但发电机输入是相同的噪声： 最小vs最大vs随机（第200个纪元输出） 敏 最大限度 随机的 为什么最大损失会执行最小损失 所有发电机的损耗最终都在减